基于 RSSI 指纹的技术被广泛应用于蓝牙定位系统之中,然而经典的基于 RSSI 指纹的定位方法也
有着明显的缺陷。针对不同的蓝牙设备,需要做不同的 RSSI 校准,而且 RSSI 指纹数据必须在整个定位
区域内逐点采集等。对此,Li 提出了一种新的基于蓝牙 RSSI 指纹的三维定位方法,该方法利用 RSSI
差、距离比、虚拟指纹和双向测距来克服传统指纹定位方法上的缺陷
[58]
。此外,针对蓝牙 RSSI 易受到多
径效应和剧烈波动的影响,需要采用多种先进的信号处理解决方法。Malekzadeh 提出了一种基于高斯混
合模型的新框架,以更准确地表示不同区域内 RSSI 值的潜在分布,分别使用卡尔曼滤波算法和加权最近
邻算法进行位置估计,从而达到抑制噪声,提高精度的目的
[59]
。
4) Wi-Fi 技术
Wi-Fi 定位技术是在目标区域内部署多个锚节点,从而保证在区域内能够被所有锚节点的无线信号
所覆盖,然后根据接收端接收到的无线信号的特征来估计目标的位置信息。该技术的优势在于 Wi-Fi 网络
部署的成本低,而且目前 Wi-Fi 网络的覆盖面广
[60]
,此外,通常不需要额外配备专属的接收设备,人们常
用的手机即可成为一个有效的接收器,降低了定位系统的成本,也增加了定位的便捷性
[61]
。当前较为流行
的 Wi-Fi 定位是无线局域网络系列标准 IEEE 802.11 的一种定位解决方案。该方案易于安装,布置方便。
但是基于 Wi-Fi 的定位技术定位性能受外界环境影响较大,在存在高干扰的环境中,无法保证有效的精
度。
由于 RSS 的简单性和硬件性能要求低等特点,现有的基于 Wi-Fi 的定位系统通常使用 RSS 方法实
现,其中,可考虑使用概率方法对 RSS 数据进行位置估计
[62]
。但是这类方法有两个缺点
[63]
,首先,由于
多径效应,RSS 值通常随时间具有高可变性,这种高可变性甚至对设备来说,也会引入大量定位误差,
另外,RSS 值是粗略信息,不会利用正交频分复用系统中的子载波来获得更多的多径信息。为了解决此
类问题,可以通过 Wi-Fi 网卡中获得信道状态信息(channel state information,CSI),这些信息可以作为
指纹信息,从而提高定位的性能。因此,Wang 提出了一种新的基于深度学习的指纹系统,在离线阶段,
使用深度网络对指纹数据进行训练,并采用贪婪学习算法逐层训练权值以降低复杂度,在线阶段,使用径
向基函数的概率方法获得位置估计。
5) 射频识别技术
射频识别(radio frequency identification,RFID)技术也是目前广泛被使用的一种技术,它是一种比
较典型的非接触性射频信息数据传输和信息识别的应用技术。这种技术作用距离较短,成本较低。对于标
签式定位方法,该技术是实现粗定位的优先选择,可用于有轨 AGV(automated guided vehicle)小车的定
位环境中,该技术的定位性能稳定,可靠性高,通常可用于 GPS 的辅助定位系统,针对无 GPS 系统的
车辆,可使用单一对等定位方案来计算其位置;当无法获取 GPS 定位信息的车辆遇到具有精确位置数据
的车辆时,它们分别通过 RFID 和 IEEE 802.11 无线电交换位置等信息,从而实现对定位不准确估计的校
正
[64]
。
此外,针对现有的 RFID 定位方案,可采用基于深度学习的三维定位方法
[65]
:将基于射频识别的绝
对定位和相对定位相结合,分析接收信号强度和相位的变化特征,通过深度学习进一步挖掘数据特征。此
外,也可以考虑基于相控阵天线和深度神经网络相结合的 RFID 定位方法
[66]
,这种方法具有较好的泛化能
力,能够精确估计目标在三维环境中的位置。
评论1
最新资源